python正则表达式简单使用,
元字符
1.匹配元字符:
. 它匹配除了换行字符外的任何字符,在 alternate 模式(re.dotall)下它甚至可以匹配换行
^ 匹配行。除非设置 multiline 标志,它只是匹配字符串的开始。
$ 匹配行尾,行尾被定义为要么是字符串尾,要么是一个换行字符后面的任何位置。
[] 它们常用来指 定一个字符类别,所谓字符类别就是你想匹配的一个字符集
\ 反斜杠后面可以加不同的字符以表示不同特殊意义。它也可以用于取消所有的元字符,这样你就可以在模式中匹配它们了
| 可选项,或者 "or" 操作符。
() 一般情况下表示一个记忆组 (remembered group)。你可以利用 re.search 函数返回对象的 groups() 函数获取它的值
2.重复元字符:
* 重复0或n次
+ 重复1或n次
? 重复0或1次
{m,n} 该限定符的意思是至少有 m 个重复,至多到 n 个重复
3.用 "\" 开始的预定义字符集
\d 匹配任何十进制数;它相当于类 [0-9]。
\d 匹配任何非数字字符;它相当于类 [^0-9]。
\s 匹配任何空白字符;它相当于类 [ \t\n\r\f\v]。
\s 匹配任何非空白字符;它相当于类 [^\t\n\r\f\v]。
\w 匹配任何字母数字字符;它相当于类 [a-za-z0-9_]。
\w 匹配任何非字母数字字符;它相当于类 [^a-za-z0-9_]。
\a 只匹配字符串。当不在 multiline 模式,\a 和 ^ 实际上是一样的。然而,在 multiline 模式里它们是不同的;\a 只是匹配字符串,而 ^ 还可以匹配在换行符之后字符串的任何位置。
\z 只匹配字符串尾。
\b 单词边界。这是个零宽界定符(zero-width assertions)只用以匹配单词的词和词尾。单词被定义为一个字母数字序列,因此词尾就是用空白符或非字母数字符来标示的。
\b 另一个零宽界定符(zero-width assertions),它正好同 \b 相反,只在当前位置不在单词边界时匹配。
注:[akm$]将匹配字符"a", "k", "m", 或 "$" 中的任意一个;"$"通常用作元字符,但在字符类别里,其特性被除去,恢复成普通字符。
regexobject(re)对象常用方法
matchobject=re.match(pattern,string,flag='0') :决定 re 是否在字符串刚开始的位置匹配
matchobject=re.search(pattern,string,flag='0'):扫描字符串,找到这个 re 匹配的位置
tuple=re.findall(pattern,string,flag='0') : 找到 re 匹配的所有子串,并把它们作为一个列表返回
matchobjectlist=re.finditer(pattern,string):找到 re 匹配的所有子串,并把它们作为一个迭代器返回
matchobject对象的常用方法
findstring = matchobject.group() :返回被 re 匹配的字符串
i = matchobject.start() :返回匹配开始的位置
i = matchobject.end() :返回匹配结束的位置
start,end = matchobject.span() :返回一个元组包含匹配 (开始,结束) 的位置
编译标志
dotall, s :使 . 匹配包括换行在内的所有字符
ignorecase, i: 使匹配对大小写不敏感
locale, l :做本地化识别(locale-aware)匹配
multiline, m: 多行匹配,影响 ^ 和 $
verbose, x :能够使用 res 的 verbose 状态,使之被组织得更清晰易懂
使用心得
1.先编译后使用:re.compile('pattern')
2.切勿重复编译:放入全局空间或放入cell空间并实例出一个闭包实例
温馨提示